大数跨境

Reddit首席执行官表示,没有Reddit数据,大型语言模型‘将不存在’

Reddit首席执行官表示,没有Reddit数据,大型语言模型‘将不存在’ 搜索引擎报
2026-05-25
1
导读:Reddit首席执行官史蒂夫·哈夫曼将用户内容称为AI的“现代石油”,讨论了与Google和OpenAI的交易,并解释了为何一些公司面临诉讼。

Reddit首席执行官史蒂夫·哈夫曼(Steve Huffman)在Fast Company最具创新力公司峰会上表示,若缺乏Reddit的内容,大型语言模型(LLM)将不会以当前形态存在。他将平台用户生成数据定义为AI时代的“现代石油”,强调了其在人工智能生态系统中的核心地位。

Reddit数据是AI训练的核心基石

哈夫曼指出,Reddit不仅是大型语言模型最大的训练数据来源之一,也是被引用次数最多的平台。这一结论得到了AI引用追踪公司Profound的数据支持。

他认为,AI的本质在于智能的模拟,而模型输出的基础源于对海量内容的学习。Reddit上自然、真实且覆盖全话题的人类对话,为AI提供了不可或缺的语料支撑,使其能够理解并生成符合人类逻辑的内容。

数据授权策略:合作与诉讼并行

2024年,Reddit先后与Google和OpenAI达成数据许可协议。哈夫曼透露,自这两项早期交易以来,行业对Reddit数据的价值有了更深刻的认知。目前,Reddit在数据合作上保持谨慎与选择性,但对合规的商业合作持开放态度。

对于未获授权擅自使用数据的厂商,Reddit已采取法律手段维权。该公司已在加州高等法院起诉Anthropic,指控其违反服务条款;同时在纽约南区联邦法院起诉Perplexity及三家数据抓取公司,涉及DMCA反规避规定等索赔。

哈夫曼明确区分了合作伙伴与侵权者:前者通过协议建立护栏,共同开发下一代互联网产品;后者则面临法律诉讼。他强调,商业性数据使用必须遵循商业条款。早在2023年,Reddit便已开始对商业API访问收费,但仍向研究人员和高校提供免费数据接口,以支持非商业用途。

从开放共享转向可控访问

随着AI行业逐渐偏离开放研究路线,Reddit的数据策略也随之调整。哈夫曼坦言,过去Reddit秉持开放互联网的宽容态度,但如今因无法有效追踪数据用途,不得不收紧权限。除Google外,许多搜索引擎爬虫的访问已被限制。

除了确立商业条款,Reddit还致力于防止数据被用于用户识别、定向广告投放或替代平台自身功能,以保障社区生态的安全与独立。

内部AI应用与内容治理

尽管对外输出数据,Reddit也在积极利用AI优化自身平台。其推出的“Reddit Answers”功能由大模型驱动,通过整合帖子与评论中的原话,为用户提供多视角的回答,尤其适用于无标准答案的问题。

在后台,AI被广泛用于内容审核与分类。大模型能够有效评估评论是否构成欺凌等主观违规行为,大幅减少了人工处理极端有害内容的负担。哈夫曼强调,AI旨在辅助而非取代社区自治模式。

应对AI生成内容的社区自治路径

针对用户使用AI工具撰写帖子的现象,哈夫曼认为这不同于自动化机器人行为,核心在于背后是否有真人的意图参与。但他也承认,过度依赖AI会导致内容质量下降。

Reddit决定不为此出台强制性政策,而是赋能社区自行裁决。用户可以通过投票和评论抵制低质AI内容,子版块版主也有权拒绝此类发布。哈夫曼将此比作数学课上的计算器,认为社会需要适应AI写作的新常态,并在实践中探索平衡点。

行业影响与未来展望

哈夫曼的言论进一步印证了Reddit作为AI核心输入源的战略价值。在处理AI生成内容方面,Reddit选择依靠社区投票机制而非自动检测标签,这与部分平台的自动化路径形成鲜明对比。

展望未来,Reddit仍在持续探讨新的数据交易机会,但尚未有第三份重大协议落地。与此同时,针对Anthropic和Perplexity的诉讼案件仍在司法程序中推进,其中Anthropic案已于今年3月进入联邦法院发回重审听证阶段。

【声明】内容源于网络
0
0
搜索引擎报
搜索引擎时报
内容 5299
粉丝 0
搜索引擎报 搜索引擎时报
总阅读3.7k
粉丝0
内容5.3k